基于极限学习机算法的学困生预测研究

发布时间：2022-11-11 18:56

　　高校学困生预测方法的研究正越来越受到研究者的关注,但目前还没有一种成熟有效的学困生预测方法。针对该问题,文章提出了一种大数据环境下基于极限学习机的学困生预测方法,并以中国海洋大学2011级学生的学籍信息、心理测试得分、第一学期考试成绩为输入变量,以学生的学困情况为输出变量,进行了极限学习机的训练;同时,以2012级学生数据作为测试集输入极限学习机进行测试。测试结果表明,约有46%的学困生被准确预测,7%的非学困生被误判,此预测结果验证了文章所采用方法的有效性。 

【文章页数】：7 页

【文章目录】：
引言
一样本选择与数据预处理
    1属性信息编码
    2数值信息标准化
    3学生学困情况分类
二基于ELM的学困生预测
    1学困生预测模型
    2 ELM预测算法流程
三实验与结果分析
四研究启示


【参考文献】：
期刊论文
[1]基于极限学习机的分类算法及在故障识别中的应用[J]. 裘日辉,刘康玲,谭海龙,梁军.  浙江大学学报(工学版). 2016(10)
[2]半监督极限学习机及其在近红外光谱数据分析中的应用[J]. 井诗博,杨丽明,李军会,张思韫.  计算机应用. 2016(02)
[3]并行极限学习机在洪水预测中的应用研究[J]. 刘静.  西北大学学报(自然科学版). 2015(04)
[4]大数据时代高校学困生教育工作的挑战及对策研究[J]. 包艳,金越.  新疆师范大学学报(哲学社会科学版). 2015(06)
[5]高校学困生“后现代”生态化路径转化研究[J]. 刘江华,谢丽萍.  中国教育学刊. 2013(S4)
[6]极限学习机在岩性识别中的应用[J]. 蔡磊,程国建,潘华贤.  计算机工程与设计. 2010(09)

硕士论文
[1]改进的极限学习机在辨识及分类中的应用[D]. 谢倩雯.北京化工大学 2016
[2]极限学习机相关算法的优化及应用研究[D]. 周召娣.南京信息工程大学 2016



本文编号：3705567